- 博客(10)
- 资源 (16)
- 收藏
- 关注
原创 最小生成树Prim和Kruskal算法
采用邻接矩阵的存储结构构建无向网,然后用Prim和Kruskal算法求出最小生成树。总代码:#include #include #define VRType int//在这里是权值类型#define MAX_VERTEX_NUM 10//最大顶点个数#define VertexType char //顶点类型#define INFINITY 32767 //无穷大,不连通//边
2015-11-26 00:34:40 1012
翻译 RandomAccessFile类的基本操作
1.RandomAccessFile可对文件内容进行操作,既可写文件,也可读文件,且可以随机访问文件的任意位置。2.有“rw”(读写)和“r”(只读)两种模式。3.有一个文件指针4.每次只读(写)一个字节代码:package love.jimo;import java.io.File;import java.io.IOException;import java.io.R
2015-11-21 12:45:59 494
翻译 File类遍历目录
首先可以遍历目录代码:package love.jimo;import java.io.File;public class FileUtil { public static void main(String[] args) { //测试遍历方法 File file = new File("E:\\IO");//此IO文件夹为一个Java工程 new FileUtil
2015-11-20 20:42:14 677
原创 霍夫曼编码实现
仅供日后参考,价值不定。问题描述:只考虑英文字母(不区分大小写)和空格,计算每个字符出现的频率,给出霍夫曼编码。实现思路:1.丛文件中读取文本,同时记录每个字符的频率,并初始化树2.根据初始化的树建立霍夫曼树3.根据霍夫曼树进行编码4.输出要编码的字符串:FAST is an algorithm proposed originally by rosten and
2015-11-20 11:10:34 935 3
原创 KMeans简单实现
此文章仅供日后参考,不做任何讲解。 能看懂就看吧,已经是很简化的代码了。实现一个简单的KMeans算法,将1000个二维坐标进行聚类,因为KMeans在事先知道集合的数量时是很优秀的,速度快,这次数据有两个集合。具体步骤:1. 将1000个数据存在一维数组里(当然是读文件)2. 随机分配2个簇的中心坐标3. 开始聚类,具体算法只能意会4.
2015-11-20 09:53:05 648
原创 File类的简单使用
File类只用于文件(目录)信息(大小,名称等)的表示,不能用于文件内容的访问。File类的构造函数:判断文件是否存在:判断是否是文件夹:判断是否是文件:创建一个文件:创建一个文件夹:删除一个文件或文件夹:直接打印file对象(相当于打印file.toString()):
2015-11-19 11:29:17 522
原创 三元组矩阵的乘法
三元组矩阵的乘法,针对稀疏矩阵:源代码如下:#include #include #define MAXSIZE 100 //非零元的最大个数#define MAX_ROW_NUM 20//最大行列数#define ElenType int#define Status int//返回值类型#define OK 1#define ERROR 0#define OVERFLO
2015-11-11 18:17:10 9184 1
原创 简单邻接表构造图
采用经典的数据结构算法,略有改动。#include #include #define ElenType int#define InfoType char#define VertextType int//顶点信息#define Status int//返回值类型#define OK 1#define ERROR 0#define OVERFLOW -1#define MAX_V
2015-11-04 20:22:30 691
翻译 三元组矩阵转置
#include #include #define MAXSIZE 100 //非零元的最大个数#define ElenType int#define Status int//返回值类型#define OK 1#define ERROR 0#define OVERFLOW -1/*稀疏矩阵的三元组存储结构*/typedef struct { int row,col;//非零元
2015-11-01 12:55:09 3282 1
基于Face++的人脸识别与检测
2016-02-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人